Corrección Parcial 2

Daniel Stiven Bermudez Rojas

cod. 20141167048
28 de octubre de 2016

1. Pruebe que Z ∞ √
exp(−x2 )dx = π
−∞

y use el resultado anterior para mostrar que

(x − µ)2
 
1
f (x) = √ exp − , x∈R
σ 2π 2σ 2

es una función de densidad si σ > 0

Solución: sea Z ∞
A= exp(−x2 )dx ⇒
−∞
Z ∞ Z ∞
2 2
A = exp(−x )dx exp(−x2 )dx
−∞ −∞
Z ∞ Z ∞
= exp(−x2 )dx exp(−y 2 )dy
−∞ −∞
Z ∞ Z ∞
= exp(−x2 + y 2 )dxdy
−∞ −∞

haciendo el cambio a coordenadas polares tenemos que x = r cos θ y

y = r sin θ luego r2 = x2 + y 2 y rdrdθ = dxdy
Z 2π Z ∞
= exp(−r2 )rdrdθ
0 0
Z 2π
1
=− (exp(−r2 ))∞
0 dθ
2 0
Z 2π
1
=− [0 − 1]dθ
2 0
Z 2π
1
= dθ = π
2 0

1
 √
∴ A2 = π ⇒ A = π
Ahora bien para ver que f (x) es una función de densidad debemos cal-
cular su integral y esta nos debe dar 1 es decir:
Z ∞
(x − µ)2
 
1
√ exp − dx = 1
−∞ σ 2π 2σ 2
Z ∞ Z ∞
(x − µ)2 (x − µ)2
   
1 1
√ exp − dx = √ exp − dx
−∞ σ 2π 2σ 2 σ 2π −∞ 2σ 2
(x − µ) 1 √
haciendo u = √ entonces du = √ dx luego dx = ( 2σ)du en-
2σ 2σ
tonces:
1
Z ∞
2
√ 1
Z ∞
√ exp(−u )( 2σ)du = √ exp(−u2 )du
σ 2π −∞ π −∞
1 √
= √ ( π) = 1
π
luego f(x) es una función de densidad para σ > 0
2. Sean X y Y dos variables aleatorias continuas no negativas con f.d.a
respectiva FX (·) y FY (·). Suponga que para algunas constantes a > 0 y
b>0  
x−a
FX (x) = FY
b
Determine E(X) en función de E(Y )
Solución: derivamos FX (x) para obtener fX (x) y hallar su esperanza es
decir:  
d d x−a
fX (x) = FX (x) = FY
dx dx b
 
1 x−a
= fY
b b
entonces Z ∞  
x x−a
E(X) = fY dx
−∞ b b
x−a
haciendo u = , x = ub + a y dx = bdu entonces
b
Z ∞ Z ∞ Z ∞
ub + a
fY (u)bdu = b ufY (u) + a fY (u)
−∞ b −∞ −∞

= bE(Y ) + a ⇒ E(X) = bE(Y ) + a

3. Sea X una variable aleatoria con media µ y varianza σ 2 . Suponga que H

es una función dos veces diferenciable en x = µ y que Y := H(x) es una
variable aleatoria tal que E(Y ) y Y2 existen.

2
a) Pruebe las siguientes aproximaciones para E(Y ) y V(Y ):

H 00 (µ) 2
E(Y ) ≈ H(µ) + σ
2
V(Y ) ≈ [H 0 (µ)]2 σ 2
Solución ya que H es una función dos veces diferenciable podemos
expresarla en función de series de Tylor es decir:

H 00 (µ)
Y = H(µ) + H 0 (µ)(x − µ) + (x − µ)2
2
luego

H 00 (µ)
E(Y ) ≈ H(µ) + H 0 (µ)E(x − µ) + E(x2 − 2xµ + µ2 )
2
H 00 (µ) 2
E(Y ) ≈ H(µ) + σ
2
ahora para hallar
V(Y )
expresamos en función de Tylor

Y = H(µ) + H 0 (µ)(x − µ)

aplicando varianza a los dos lados tenemos

V(Y ) ≈ H(µ) + H 0 (µ)V(x − µ)

y obtenemos
V(Y ) ≈ [H 0 (µ)]2 σ 2
que es lo que se querı́a mostrar.

b) usando el resultado anterior, calcule en una forma aproximada. la

media y la varianza de la variable aleatoria

Y := 2(1 − 0,005X)1,2

donde X es una variable aleatoria cuya función de densidad esta

dada por:
fX (x) = 3000x−4 1[10,∞) (x)
con 1A (x) la función indicadora para el conjunto A.
Solución:Hallamos la esperanza y la varianza de X
Z ∞
E(X) = 3000x−3 dx = 15
10

3
 Z ∞
V(X) = 3000x−2 dx − (152 ) = 75
10

ahora para calcular E(Y ) y V(Y ) utilizamos lo demostrado ante-

riormente y tenemos que calcular H 0 (15) y H 00 (15) donde H(t) =
2(1 − 0,005t)1,2

H 0 (t) = 2, 4(1 − 0,005t)0,2 (−0, 005) = −0, 012(1 − 0, 005t)0,2)

H 00 (t) = −0, 0024(1−0, 005)−0,8 (−0, 005) = 0,000012(1−0, 005)−0,8

entonces

H(15) = 1,82 H 0 (15) = 0,01 H 00 (15) = 0, 0000127

y ası́ obtenemos:

H 00 (15)
E(Y ) ≈ H(15) + 75 = 1, 82
2
V(Y ) ≈ 75[H 0 (15)]2 = 0,87